TUGAS IMUNOLOGI TRANSLATE JURNAL

“Cross-Disease Innate Gene Signature: Emerging

Diversity and Abundance in RA Comparing to SLE and
SSc”

Oleh :

MEILINDA RACHMAWATI

P27834119096

PROGAM STUDI D4 ALIH JENJANG ANALIS KESEHATAN

POLTEKKES KEMENKES SURABAYA

2019 – 2020

1
 Tanda Gen Bawaan Penyakit Silang: Keanekaragaman yang
Muncul dan Berlimpah dalam RA Dibandingkan dengan SLE
dan SSc

Anna Petrackova,1Pavel Horak,2 Martin Radvansky,3 Martina Skacelova,2 Regina Fillerova,1

Milos Kudelka,3Andrea Smrzova,2 Frantisek Mrazek,1 and Eva Kriegova 1
1Department of Immunology, Faculty of Medicine and Dentistry, Palacky University Olomouc and University Hospital,
Olomouc, Czech Republic
2Department of Internal Medicine III-Nephrology, Rheumatology and Endocrinology, Faculty of Medicine and Dentistry,
Palacky University Olomouc and University Hospital, Olomouc, Czech Republic
3Faculty of Electrical Engineering and Computer Science, Department of Computer Science, VSB-Technical University of
Ostrava,
Ostrava, Czech Republic
Korespondensi harus ditujukan kepada Eva Kriegova; eva.kriegova@email.cz
Dikirim 3 April 2019; Diterima 12 Juni 2019; Diterbitkan 16 Juli 2019
Editor Akademik: Darius Widera
Hak Cipta © 2019 Anna Petrackova et al. Ini adalah artikel akses terbuka yang didistribusikan di bawah Creative Commons
Attribution License, yang memungkinkan penggunaan, distribusi, dan reproduksi tanpa batas dalam media apapun, asalkan
karya aslinya dikutip dengan benar.

Overaktivasi sistem kekebalan tubuh bawaan bersama-sama dengan jalur hilir yang
terganggu dari gen yang merespons interferon tipe I adalah ciri khas rheumatoid arthritis
(RA), lupus erythematosus (SLE) sistemik, dan sklerosis sistemik (SSC). Sampai saat ini,
data terbatas tentang tanda bawaan gen lintas-penyakit ada di antara penyakit-penyakit
tersebut.Oleh karena itu kami membandingkan tanda gen bawaan dari reseptor Toll-like
(TLR), tujuh anggota kunci keluarga interleukin (IL) 1 / ILIR, dan CXCL8 / IL8 dalam sel
mononuklear darah tepi dari pasien yang terdefinisi dengan baik dengan stadium aktif RA (n
36, DAS28 2 3.2), SLE (n = 28, SLEDAI> 6), dan SSe (n 22, revisi indeks EUSTAR> 2.25).
Keragaman yang muncul dan kelimpahan dari tanda bawaan pada pasien RA terdeteksi: RA
ditandai dengan upregulasi TLR3, TLRS, ILIRAPILIR3, IL18RI, dan SIGIRR / ILI R8 bila
dibandingkan dengan SSc (Pr0.02) dan TLR2, TLR5, dan SIGIRRILIRS jika dibandingkan
dengan SLE (P0.02). Menerapkan analisis aturan asosiasi, enam aturan (kombinasi dan
ekspresi gen yang menggambarkan penyakit) diidentifikasi untuk RA (paling sering termasuk
TLR3 tinggi dan / atau ILIRAP / ILIR3) dan tiga aturan untuk SLE (ILIRN rendah dan
IL18RI) dan SSc (TLRS rendah) dan IL18RI).Studi lintas-penyakit pertama ini
mengidentifikasi heterogenitas yang muncul dalam tanda bawaan pasien RA dengan banyak
gen bawaan yang diregulasi dibandingkan dengan SLE dan SSc.

1. Pendahuluan

Rheumatoid arthritis (RA), systemic lupus erythematosus (SLE), dan systemic

sclerosis (SSc) adalah penyakit autoimun sistemik yang ditandai dengan terlalu aktifnya
sistem kekebalan tubuh bawaan bersama dengan gangguan jalur hilir dari interferon tipe I
(IFN-) gen yang merespons (IFN sig nature). Namun demikian, heterogenitas tertentu dalam
tanda IFN di antara penyakit-penyakit tersebut telah dikenali, dan beberapa pasien bahkan
tidak memiliki kehadirannya [1-4].

2
 Meskipun peran yang muncul dari imunitas bawaan dalam patogenesis RA, SLE, dan
SSc telah ditunjukkan, belum ada data tentang tanda gen bawaan lintas-penyakit serta
heterogenitas di antara penyakit-penyakit tersebut. Sejumlah penelitian tentang anggota
kekebalan bawaan individu dalam RA, SLE, dan SSc menunjukkan peran penting dari
reseptor Toll-like (TLRs) dan keluarga ILI [5, 6]. Contoh penting dari jalur bawaan umum
adalah (i) keterlibatan adaptor adaptor MyD88 yang diperlukan untuk transduksi sinyal oleh
TLRS dan reseptor dari keluarga ILI, (ii) aktivasi tipe I IFN, dan (iii) keberadaan ligan TLR
endogen [7]. Selain jalur bawaan bersama, ada mekanisme molekuler dan seluler untuk
penyakit.Pada SLE, bukti baru-baru ini menunjukkan hubungan yang erat antara aktivasi
TLR endogen dan onset penyakit [8, 9] dengan peran penting TLR endosom dalam generasi
antibodi anti nuklir dan IFNS tipe I [10]. Dalam RA, aktivitas berlimpah anggota individu
dari keluarga TLR dan ILI sudah dibuktikan dengan peran yang diusulkan untuk ligan TLR
eksogen dalam onset penyakit (yaitu, infeksi Proteus saluran kemih, virus Epstein-Barr, dan
parvovirus B19) dan untuk endogenous ligan dalam swadaya dari loop inflamasi [5,11].
Dalam SSC, pensinyalan melalui TLR semakin dikenal sebagai pemain kunci yang
mendorong respon fibrotik yang persisten dan terkait dengan aktivitas TGF-B, bagaimanapun,
peran patologis TLRs dan ligannya dalam SSc masih belum jelas [12].

Kami melakukan penelitian ini untuk menjelaskan perbedaan mendasar pada tanda
imunitas bawaan di tiga gangguan autoimun utama menggunakan analisis multivariat.
Analisis lintas penyakit pertama dari tanda ekspresi gen bawaan dari 10 TLRS, 7 anggota
kunci dari keluarga ILIILIR, dan interleukin 8 (CXCL8) dalam sel mononuklear darah perifer
(PBMC) dari pasien dengan SLE, RA, dan SSc yang aktif mengungkapkan keragaman yang
muncul dan kelimpahan RA dibandingkan dengan SLE dan SSc. Studi kami berkontribusi
untuk memahami lebih lanjut tentang tanda bawaan yang mendasari imunopatologi penyakit
autoimun utama, dengan penekanan khusus untuk membedakan pola ekspresi bersama dan
penyakit spesifik.

2. Bahan dan Metode

2.1. Subjek studi

Kohort penelitian terdiri dari 86 pasien Kaukasia dengan penyakit autoimun dari pusat
reumatologi tunggal di Olomouc, wilayah Moravia Republik Ceko. Semua pasien
RA/SLE/SSc yang terdaftar memenuhi kriteria klasifikasi ACR/EULAR 2010 untuk RA [13],
kriteria klasifikasi ACR untuk SLE [14], dan klasifikasi ACR/EULAR 2013 kriteria untuk
SSc, masing-masing [15].Untuk mengecualikan heterogenitas karena aktivitas dan
ketidakaktifan penyakit, hanya kasus dengan fenotip aktif dari penyakit yang diklasifikasikan
menurut skor aktivitas umum (Skor Aktivitas Penyakit dalam 28 sendi (DAS28), Indeks
Aktivitas Penyakit SLE (SLEDAI), dan Scleroderma Eropa yang direvisi Indeks Trials and
Research group (EUSTAR) dimasukkan: RA (n 36, DAS28 2 3.2), SLE (n = 28, SLEDAI> 6),
dan SSc (n 22, revisi indeks EUSTAR > 2.25).

Gambaran demografis dan klinis, pengobatan yang digunakan, durasi penyakit, dan
jumlah darah putih relatif dijelaskan pada Tabel 1.Distribusi jumlah limfosit, neutrofil, dan

3
monosit tidak berbeda antara kelompok pasien yang diteliti (P> 0,05). Kohort kontrol sehat
terdiri dari 77 subjek (usia rata-rata 51 tahun, min-max 24-90 tahun, perempuan/laki-laki
58/19) di antaranya dibentuk tiga kelompok usia/jenis kelamin yang cocok untuk setiap
penyakit: 63 kontrol untuk RA (usia rata-rata 56 tahun, min-max 41-90 tahun,
perempuan/laki-laki 45/18), 33 kontrol untuk SLE (masing-masing 40, 24-50, 27/6), dan 48
kontrol untuk SSC (58, 48- 90, 34/14, masing-masing). Pada semua subyek sehat, adanya
penyakit autoimun inflamasi pada kerabat tingkat pertama atau kedua, vaksinasi baru-baru ini,
infeksi, dan penggunaan obat imunosupresif dikeluarkan dengan kuesioner.

Pasien dan subyek kontrol memberikan persetujuan tertulis tentang penggunaan darah
perifer untuk tujuan penelitian ini, yang telah disetujui oleh komite etika Rumah Sakit
Universitas dan Universitas Palacký Olomouc.

2.2. Pemrosesan Sampel dan Transkripsi Terbalik Real-Time-Reaksi Rantai Polimerase

(qRT-PCR)

PBMC diisolasi dari darah perifer yang dikumpulkan dalam tabung K, EDTA oleh
sentrifugasi gradien kepadatan Ficoll (Sigma-Aldrich, Jerman) dan disimpan dalam Reagen
TRI (Sigma-Aldrich, Jerman) pada -80°C sampai analisis.Total RNA diekstraksi
menggunakan kit RNA Direct-zol (Zymo Research, USA) sesuai dengan rekomendasi
pabrikan. Setelah reverse transkripsi dengan Transkriptor First Strand cDNA SynthesisKit
(Roche, Swiss), qPCR dilakukan dalam volume reaksi 100 nl yang mengandung campuran
LightCycler 480 SYBR Green I Master (Roche, Swiss) menggunakan throughput tinggi
SmartChip Real-Time-qPCR System (WaferGen, USA) seperti yang dilaporkan sebelumnya
[16, 17]. Urutan primer tercantum pada Tabel S1 (Teknologi DNA Terpadu, AS).Ekspresi
mRNA relatif dihitung menggunakan fosfogliserat kinase 1 sebagai gen referensi [18].

Untuk menilai pola ekspresi gen imunitas bawaan, ekspresi TLR (TLRI-10), keluarga
ILIILIR (21 anggota), dan CXCL8 diselidiki dalam PBMC.Berdasarkan evaluasi pilot uji
qPCR pada kohort 20 pasien RA, 20 SLE, dan 20 SSC, 14 tes anggota keluarga ILI / ILIR
(ILIA, IL.36RN, IL36A, IL36B, IL36G, IL.37, IL38, IL.33, ILIR2, IL18RAP, ILIRLI,
ILIRL2, ILIRAPL1, dan IL.IRAPL2) berada di bawah batas deteksi sistem dan dengan
demikian dikeluarkan dari analisis lebih lanjut. Oleh karena itu penelitian dilanjutkan dengan
profil ekspresi dari 18 gen imunitas bawaan: TLRI-10, 7 anggota keluarga IL17ILIR bersama
dengan CXCL8.

4
5
2.3. Analisis Statistik dan Metode Penambangan Data

Analisis statistik (uji Mann-Whitney U, koreksi Benjamini-Hochberg) dari nilai

ekspresi gen relatif dilakukan menggunakan Genex (Analisis MultiD AB, Swedia) dan
GraphPad Prism 5.01 (GraphPad Software, USA). Nilai P <0,05 dianggap signifikan. Dalam
penelitian ini, satu set analisis data mining multivariat untuk memvisualisasikan dan
mengkarakterisasi heterogenitas ekspresi genantara dan di dalam penyakit diterapkan. Untuk
diagram alur dari proses analisis yang digunakan, lihat Figure S1 Pertama, jaringan korelasi
menggunakan algoritma LRNet [19] dan koefisien korelasi peringkat Spearman dibangun dan
divisualisasikan untuk menyelidiki hubungan antara ekspresi masing-masing gen yang
dipelajari dalam tanda gen bawaan dan untuk menominasikan molekul yang paling
representatif untuk penyakit tertentu. Kedua, analisis kurva Andrews diterapkan untuk
visifikasi struktur dalam data ekspresi multidimensi (20-23). Nilai ekspresi gen relatif dari
masing-masing pasien ditransformasikan menggunakan rumus Andrews (Persamaan S1);
semua perhitungan dilakukan oleh paket Andrews dari perpustakaan R [24]. Kurva Andrews
diplot untuk memvisualisasikan perbedaan antara penyakit tertentu menggunakan satu set gen
yang dideregulasi secara signifikan dan seluruh set gen yang diteliti. Perbedaannya
ditunjukkan oleh pemisahan amplitudo kurva Andrews dan pergeseran fase [20,22,23]. Kurva
ekspresi gen relatif serupa tumpang tindih antara kelompok yang diteliti (Figure S2),
sedangkan pemisahan kurva menunjukkan perbedaan dalam profil ekspresi (Figure S3)
[20,22,23]. Penjelasan lebih rinci dari analisis kurva Andrews dinyatakan dalam File
Tambahan Ketiga, kami menerapkan penambangan aturan asosiasi, teknik untuk menemukan
pola yang sering, korelasi, atau asosiasi di antara kumpulan data yang diberikan [25] untuk
menyelidiki heterogenitas dalam penyakit itu sendiri. Pertama, setiap set data gen dibagi
menjadi kelompok ekspresi rendah / tinggi dengan cara aritmatika ekspresi gen relatif dalam
seluruh data set. Paket "arules" yang diterapkan dalam sistem R [26] digunakan untuk
mengekstraksi aturan (kombinasi gen dan tingkat ekspresinya yang terkait dengan penyakit
tertentu). Hanya sejumlah minimum aturan peringkat teratas yang menggambarkan penyakit
tertentu dengan keyakinan yang baik (ambang 0,75) dan dukungan yang digunakan.

6
3. Hasil

3.1. Pola Ekspresi Gen bawaan Immune RA, SLE, dan SSc

Untuk mengkarakterisasi tanda imun bawaan pada penyakit yang diteliti, profil
ekspresi gen imun bawaan bawaan antara pasien dan kontrol sehat di semua penyakit
dibandingkan. Untuk mengecualikan pengaruh usia pada ekspresi gen, kontrol sehat dibagi
lagi menjadi sub yang sesuai dengan usia - kelompok meskipun tidak ada perbedaan yang
diamati dalam profil ekspresi dari semua gen yang diselidiki dalam bentuksubkelompok (Pr
0,05). RA berbeda dari kontrol dengan ekspresi TLR2, TLR3, TLR5, TLR8, ILIB IL18,
IL18N, ILIRN, ILIRAP, dan SIGIRR / ILIRS yang terregulasi (PEF 0,05; Gambar S4A,
Tabel S2A). Pada pasien yang diobati dengan terapi anti-TNF-a, tren untuk menurunkan
tingkat TLRS pada pasien RA kami diamati (P 0,07). Dalam SLE downregulation dari
TLR10 diamati ketika dibandingkan dengan kontrol yang sehat (P = 0,02); Namun, itu tidak
mencapai signifikansi setelah koreksi untuk beberapa perbandingan (Gambar S4B, Tabel
S2B). SSc berbeda dari kontrol dengan ekspresi ILIRN, IL18, dan CXCL8 yang diregulasi
dan ekspresi downregulated dari ILIRAP dan IL18RI (PoFF 0,05; Gambar S4C, Tabel S2C).

3.2. Analisis Lintas Penyakit pada Pola bawaan di RA, SLE, dan SSc

Untuk menyelidiki pola ekspresi gen imun bawaan khusus penyakit, kami
membandingkan pasien RA, SLE, dan SSC satu sama lain. RA berbeda dari SLE dan SSc
olehekspresi yang diregulasi dari TLRS dan SIGIRR (P0.02; Gambar 1 (a) dan 1 (b), Tabel 2
(a) dan 2 (b), dan Tabel S3A dan S3B). RA lebih jauh berbeda dari SLE oleh ekspresi TLR2
yang diregulasi (P0.02; Gambar 1 (a), Tabel 2 (a) dan S3A) dan dari SSc dengan upregulasi
gen TLR3, ILIRAP, dan IL18RI (Pr0.007; Gambar 1 (b), Tabel 2 (b) dan S3B). Dalam SSc,
ekspresi ILIRI yang diregulasi (Po0.005; Gambar 1 (c), Tabel 2 (c) dan S3C) diamati ketika
dibandingkan dengan SLE koreksi kor koreksi

7
3.3. Visualisasi Pola Ekspresi Gen Terkait Penyakit oleh Andrews Curves

Untuk menyelidiki pola ekspresi gen yang terkait penyakit, kurva Andrews digunakan
untuk memvisualisasikan perbedaan antara penyakit tertentu menggunakan satu set gen yang
dideregulasi secara signifikan dan seluruh set gen yang diteliti. Pertama, kami menilai
perbedaan dalam pola ekspresi gen bawaan yang diungkapkan oleh statistik klasik.
Meskipun pemisahan kurva Andrews yang baik berdasarkan gen signifikan diamati (Gambar
S3), pemisahan yang lebih baik dari penyakit yang diteliti diperoleh ketika seluruh set gen
yang diteliti digunakan (Gambar 2)

3.4. Karakteristik Pola bawaan RA, SLE, dan SSc

Selanjutnya, kami menerapkan analisis aturan asosiasi untuk mengidentifikasi aturan

(set gen termasuk tingkat ekspresi mereka) yang menggambarkan penyakit tertentu dalam
tiga penyakit yang diteliti.Berdasarkanhasil dari kurva Andrews, analisis aturan asosiasi
dilakukan menggunakan seluruh set gen. Untuk RA, enam aturan diidentifikasi, sehingga
menunjukkan heterogenitas yang tinggi dalam kelompok pasien ini bila dibandingkan dengan
SLE dan SSc (Gambar 3), di mana untuk masing-masing, tiga aturan diidentifikasi. Dalam
RA, tingkat tinggi TLR3 dan ILIRAP mRNA diidentifikasi dalam tiga dan dua aturan,
masing-masing dalam SLE, tingkat ekspresi rendah ILIRN dan IL18R1 muncul dalam dua
aturan, dan di SSc, tingkat rendah TLR5 dan IL18RI mRNA terjadi dalam tiga dan dua
aturan, masing-masing. Aturan asosiasi yang diperoleh dan nilai dukungan dan kepercayaan
mereka diuraikan untuk pasien RA, SLE, dan SSc tercantum pada Tabel 3. Keakuratan
klasifikasi dengan menggunakan aturan ini untuk RA, SLE, dan SSc adalah 83%, 78%, dan
77% masing-masing. Perbandingan aturan untuk setiap penyakit mengungkapkan bahwa gen
TLR3, TLRS, IL18, IL18RI, dan ILIRI terjadi dalam aturan untuk semua penyakit yang
diteliti, menunjukkan kekuatan diskriminan yang baik di antara penyakit autoimun yang
diteliti sebagaimana divisualisasikan oleh kurva Andrews (Gambar S5)

8
4. Diskusi

Penelitian ini berfokus pada tanda gen kekebalan bawaan di antara penyakit autoimun
utama: RA, SLE, dan SSc, menunjukkan heterogenitas pada tanda bawaan di antara dan di
dalam penyakit ini. Studi lintas penyakit pertama ini menunjukkan keragaman dan
kelimpahan tertinggi pada tanda bawaan di RA bila dibandingkan dengan SLE dan SSc.

Imunitas bawaan memainkan peran kunci dalam patogenesis penyakit rematik

autoimun sebagaimana dibuktikan dari sejumlah penelitian pada anggota individu dari jalur
imunitas bawaan [5, 6].Namun, sedikit yang diketahui tentang persamaan dan perbedaan
tanda bawaan pada tingkat molekuler antara dan di dalam penyakit ini.Oleh karena itu, kami
menyelidiki ekspresi diferensial dari gen bawaan kunci dalam RA, SLE dan SSc. Yang
penting, penelitian kami dibatasi hanya untuk kasus-kasus dengan penyakit aktif untuk
mengecualikan heterogenitas karena aktivitas dan tidak aktifnya penyakit. Untuk memperoleh
gambaran yang lebih kompleks, analisis multivariat diterapkan untuk menilai kompleksitas
tanda bawaan diferensial yang memiliki keunggulan dibandingkan pendekatan statistik klasik
karena mempertimbangkan karakteristik intrinsik data ekspresi gen dan menilai hubungan
antara molekul yang diteliti.

Pertama, kami menerapkan analisis kurva Andrews untuk penilaian perbedaan dan
kesamaan dalam gen bawaan sifat antara penyakit yang diteliti, pendekatan yang sangat
berguna untuk visualisasi struktur dalam data multidimensi (20,21). Ketika menggunakan
kombinasi gen mencapai signifikansi statistik serta menggunakan seluruh set gen, kami
mengkonfirmasi keragaman di antara profil bawaan dalam RA, SLE, dan sSc oleh analisis
kurva Andrews. Ekspresi yang diperbarui dari TLR3, TLR5, dan SIGIRR adalah karakteristik
untuk RA jika dibandingkan dengan baik SLE dan SSc. Reseptor TLR3 intraseluler yang
mengenali dsRNA telah terbukti terlibat dalam patogenesis RA: sel-sel cairan sinovial
nekrotik melepaskan RNA yang dapat mengaktifkan TLR3 dalam fibroblas sinovial RA [27].
TLRS, reseptor permukaan yang sangat diregulasi dalam RA kami.pasien, mengenali bakteri
flagelin. Namun, ligan endogen mereka dalam cairan sinovial yang dapat mengaktifkan
TLRS dalam RA masih belum diketahui (28, 29). Sejalan dengan hasil kami, peningkatan
TLRS dalam sel-sel myeloid darah tepi berkorelasi dengan aktivitas penyakit RA dan TNF-
alpha level [30]. Ada juga bukti bahwa terapi anti-TNF-a secara nyata menekan ekspresi
TLRS pada monosit RA [31], sebuah tren yang juga diamati dalam penelitian kami. Juga,
SIGIRR yang sangat diregulasi berikutnya (ILIR8 / TIR8), sebuah reseptor anak yatim yang
diperlukan untuk efek anti-inflamasi IL37, telah dilaporkan dalam jaringan sinovial RA
sebelumnya [32].

Juga, gen lain seperti TLR2, ILIRAP, dan IL18RI dari tanda bawaan diferensial yang
terkait dengan RA yang diungkapkan oleh analisis kami adalah dilaporkan dalam kondisi
autoimun sebelumnya. Sejalan dengan hasil kami, TLR2 melimpah pada himpunan bagian
monosit dalam RA aktif menghasilkan spektrum sitokin proinflamasi setelah stimulasi
[33).TLR2 mengakui berbagai produk mikroba yang dikonservasi, mungkin karena
kerjasamanya dengan TLRI atau TLR6, serta ligand hipotetisnya HMGB1 dilepaskan dari sel
yang mati dan teraktivasi [34].Mengenai ILIRAP dan IL18RI, ekspresi mereka yang

9
diregulasi dalam RA dilaporkan baru-baru ini [16 dan penurunan regulasi mereka di SSC
kami laporkan di sini untuk pertama kalinya.Akhirnya, SSC ditandai oleh peningkatan ILIRI
dibandingkan dengan SLE. Bukti pertama tentang keterlibatan kritis IL.1R1, mediator
penting untuk pensinyalan ILI proinflamasi [35], dalam proses fibrotik telah dilaporkan
dalam model cedera paru-paru murine [36]. Yang penting, data dari analisis lintas-penyakit
kami sejalan dengan penelitian sebelumnya tentang anggota bawaan individu dan analisis
statistik dasar dan lebih lanjut menyoroti aktivasi kekebalan bawaan pada RA bila
dibandingkan dengan SLE dan SSc. Agen infeksius dan ligan endogen yang mengaktifkan
reseptor bawaan yang mengarah ke loop inflamasi yang berkelanjutan yang bertanggung
jawab untuk perkembangan kronis dan destruktif pada RA perlu dijelaskan lebih lanjut.

Selanjutnya, kami menyelidiki perbedaan tanda bawaan di antara dan di dalam

penyakit yang diteliti dengan analisis aturan asosiasi, metode yang biasa digunakan untuk
mengungkap kombinasi barang yang paling sering dibeli dalam analisis keranjang pasar.
Telah ditunjukkan bahwa analisis ini sangat mudah untuk dataset ekspresi gen [37, 38] dan
memberikan informasi tambahan karena pelestarian kausalitas antara tingkat ekspresi gen dan
fenotip [37]. Untuk RA, enam aturan diidentifikasi, sehingga menunjukkan heterogenitas
tinggi dalam kelompok pasien ini bila dibandingkan dengan SLE dan SSc, di mana tiga
aturan diidentifikasi untuk masing-masing. Dalam RA, aturan asosiasi paling sering
memasukkan ekspresi TLR3 dan / atau ILIRAP / ILIR3 yang tinggi sehingga menyoroti
aktivasi sistem bawaan dalam RA aktif. Dalam SLE, ekspresi rendah dari ILIRN dan IL18RI
dan di SSc, tingkat TLRS dan IL18RI yang rendah sering muncul dalam aturan.Menerapkan
aturan asosiasi (kombinasi gen yang menggambarkan penyakit tertentu), keyakinan dan
akurasi yang sangat baik di atas 77% dicapai untuk semua penyakit yang diselidiki.

Menariknya, sekitar setengah dari pasien dalam setiap penyakit ditandai oleh
beberapa aturan, sementara yang lain biasanya hanya dengan satu aturan pola ekspresi gen.
Keberadaan beberapa subkelompok profil bawaan dalam pasien RA memungkinkan kami
menyarankan bahwa heterogenitas dalam pola bawaan pada RA dapat berkontribusi pada
berbagai manifestasi penyakit klinis [4, 16, sehingga pantas diselidiki lebih lanjut. Kami juga
berhipotesis bahwa heterogenitas yang diamati pada tanda bawaan dapat berkontribusi pada
heterogenitas pada tanda IFN yang baru-baru ini dilaporkan dalam RA [4]. Data kami lebih
jauh menyoroti penerapan analisis data multivariat lanjutan terutama untuk penyakit seperti
SLE, di mana banyak fenotipe klinis ada. Ini mungkin tercermin dalam variabilitas yang
tinggi dalam pola ekspresi yang mungkin diremehkan oleh statistik univariat terutama dalam
kasus gen berlimpah yang rendah. Akhirnya, data kami menunjukkan keterlibatan berbagai
molekul bawaan utamaserta interaksi yang berbeda antara masing-masing reseptor bawaan
pada penyakit yang diteliti.

Untuk mendapatkan gambaran yang lebih lengkap tentang tanda bawaan pada
penyakit autoimun, kami juga melaporkan file pro diferensial tanda bawaan pada penyakit
yang diteliti dibandingkan dengan kontrol yang sehat. Perbandingan ini mengungkapkan
upregulasi empat anggota TLR (TLR2, TLR3, TLRS, dan TLR8) dan enam anggota keluarga
IL1 / ILIR (ILIB, ILIRN, ILIRAP, IL18RI, IL18, dan SIGIRR) di RA jika dibandingkan

10
dengan kontrol yang sehat.Sejalan dengan hasil kami, deregulasi gen ini atau produk
proteinnya sudah terdaftar di RA [16, 30, 32, 39-44. Dalam SLE, penelitian ini menunjukkan
untuk pertama kalinya downregulation dari TLRI0, regulator negatif yang luas dari
pensinyalan TLR (45, 46. Bukti pertama tentang kemungkinan keterlibatan TLR10 dalam
autoimunitas telah diamati: ekspresi TLR10 yang diregulasi menurun dilaporkan dalam
PBMC dari pasien dengan polyangitis mikroskopis [47] serta pasien RA dengan penyakit
aktif [16. Berbeda dengan model murine dari SLE [48], kami tidak mengamati peningkatan
ekspresi TLR7 dan TLR9 pada pasien SLE kami.Dalam SSC, penelitian kami
mengungkapkan upregulasi ILIRN, IL18, dan CXCL8 dan downregulation ILIRAP dan
IL18RI. Sejalan dengan hasil kami, ILRN mRNA (49) yang diregulasi, meningkatkan
ekspresi IIL.18 dalam biopsi kulit [50, dan peningkatan IL8 serum pada pasien dengan
skleroderma [51 dilaporkan.Di sini, kami melaporkan untuk pertama kalinya downregulasi
ILIRAP dan IL18RI di SSC.ILIRAP (ILIR3) adalah coreceptor dari ILIRI dan sangat
diperlukan untuk transmisi pensinyalan ILI 35]. Mengenai IL18RI, ini mengkodekan subunit
reseptor IL18 yang bertanggung jawab untuk pengikatan IL18. Reseptor yang diaktifkan
kemudian memulai jalur pensinyalan yang sama dengan ILI untuk mengaktifkan NF-kB [52].
Bagaimana protein-protein ini berkontribusi pada patogenesis SSC patut diselidiki lebih
lanjut.

Para penulis menyadari beberapa keterbatasan.Penelitian ini dilakukan sebagai

analisis cross-sectional dalam pengaturan dunia nyata pasien dalam berbagai tahap penyakit;
Namun, penulis membatasi analisis hanya untuk pasien dalam stadium penyakit aktif untuk
mendapatkan kohort yang lebih homogen. Karena sejumlah kecil pasien dalam subkelompok
dengan pola gen tertentu yang diungkapkan oleh analisis asosiasi, subanalisis analisis mereka
dengan parameter klinis tidak per terbentuk. Studi di masa depan pada kohort yang lebih
besar dengan pasien yang terdefinisi baik akan disarankan untuk mengkonfirmasi hasil kami
lebih lanjut.

5. Kesimpulan

Untuk menyimpulkan, studi lintas-penyakit pertama ini menyoroti sifat heterogen di

antara dan di dalam RA, SLE, dan SSc, dengan identifikasi RA memiliki keragaman dan
jumlah tertinggi dalam tanda bawaan jika dibandingkan dengan SLE dan SSc.Selain itu, hasil
dari pendekatan penambahan data yang diterapkan menunjukkan pentingnya analisis
multivariat berganda untuk pemahaman yang lebih baik tentang hubungan antara masing-
masing molekul, terutama pada penyakit yang sangat heterogen.

Ketersediaan Data

Data yang digunakan untuk mendukung temuan penelitian ini tersedia dari penulis
terkait berdasarkan permintaan.

Persetujuan

Semua subyek telah memberikan persetujuan tertulis

11
Benturan Kepentingan

Para penulis tidak memiliki konflik kepentingan untuk dideklarasikan

Kontribusi Penulis

A.P. dan R.F. melakukan pengukuran.M.Sk., A.S., dan P.H. menyediakan sampel dan
data klinis. A.P., M.R., dan M.K. menganalisis data. A.P. dan E.K. merancang penelitian dan
menulis makalah.P.H.dan F.M. membantu diskusi data dan merevisi makalah.
E.K.mengawasi penelitian. Semua penulis terlibat dalam meninjau makalah dan memiliki
persetujuan akhir dari versi yang dikirimkan dan diterbitkan.

Ucapan Terima Kasih

Karya ini didukung oleh Badan Hibah Republik Ceko (Kementerian Kesehatan) (MZ
CR VĒS15-28659A) dan sebagian oleh MH Cz-DRO (FNOL, 00098892), IGA_LF_ 2019
006, dan IGA_LF_2019_014.

Bahan Tambahan

Metode: Deskripsi analisis kurva Andrews. Analisis korelasi pola gen dalam RA, SLE,
dan SSc. Tabel S1: gen dan primer yang diselidiki digunakan untuk qRT-PCR. Tabel S2:
tingkat ekspresi gen mRNA relatif diekspresikan secara diferensial antara (A) RA vs kontrol
sehat, (B) SLE vs kontrol sehat, dan (C) SSc vs kontrol sehat. Tabel S3: tingkat ekspresi
mRNA relatif dari gen yang diekspresikan secara berbeda antara (A) RA vs SLE, (B) vs.A vs
SSc, dan (C) sSc vs SLE. Gambar S1: diagram alir algoritma statistik dan metode
penambangan data canggih yang digunakan dalam penelitian ini. Gambar $ 2: Analisis kurva
Andrews menggunakan data ekspresi gen yang tidak membedakan antara contoh penyakit-
representatif. Gambar S3: Kurva Andrews menggunakan seperangkat gen yang dideregulasi
secara signifikan antara (A) RA vs SLE, (B) RA vs SSc, dan (C) SLE vs SSc. Gambar S4:
tingkat ekspresi gen mRNA relatif diekspresikan secara berbeda dalam (A) RA vs kontrol
sehat, (B) SLE vs kontrol sehat, dan (C) SSC vs kontrol sehat. Gambar S5: Kurva Andrews
menggunakan seperangkat gen yang diungkapkan oleh aturan asosiasi untuk diskriminasi RA,
SLE, dan SSc. Gambar S6: jaringan korelasi untuk gen bawaan yang dipelajari dalam (A)
ŘA, (B) SLE, dan (C) SSc. Persamaan S1: rumus yang digunakan untuk menghitung dan
merencanakan kurva Andrews (Bahan Pelengkap).

12
13
14